二维联合分布律的期望
答:E(X)=0×(0.20+0.05+0.10)+1×(0.05+0.10+0.25)+2×(0+0.15+0.10)=0.9 E(Y)=-2(0.20+0.05+0)+0(0.05+0.1+0.15)+1(0.1+0.25+0.10)=-0.05 XY=0:0×(-2),0×0,0×1;1×0,2×0,概率=0.2+0.05+0.1+0.1+0.15=0.6 -2:1...
答:x+y的可能取值为:1,2,3 p(x+y=1)=0.3 P(x+y=2)=0.3+0.3=0.6 p(x+y=3)=0.1 Z=X+Y的概率分布为:Z 1 2 3 P 0.3 0.6 0.1
答:首先根据已知:可求(0.4/0.4+a)=0.8 a=0.1 根据二维联合分布所有概率值唯一可求b=0.1
答:求联合分布律公式:P(X=0)=1/4。联合分布函数(jointdistributionfunction)亦称多维分布函数,随机向量的分布函数,以二维情形为例,若(X,Y)是二维随机向量,x、y是任意两个实数,则称二元函数。相关介绍:函数(function)的定义通常分为传统定义和近代定义,函数的两个定义本质是相同的,只是叙述...
答:如何由二维随机变量的联合分布求其条件分布如下:对一个离散型随机变量X,其取值为k的概率为pk。连续的变量分布描述;或者是比较复杂的离散随机变量。条件分布律:F(x,y)=P(X<=x),对于二维随机变量(X,Y),可以考虑在其中一个随机变量取得(可能的)固定值的条件下,另一随机变量的概率分布,这样...
答:E(x)*E(Y^2)=E(x)*((E(Y))^2+D(y))
答:p{x1x2不等于0}=0 就可以知道P{x1=1,x2=1}=0,P{x1=-1,x2=1}=0 P{x1=-1}=1/4,可知P{x1=-1,x2=0}=1/4 同理就可以得出其他的联合分布。除了三个0,其他的都是1/4.不独立。你可以取p{x1=0,x2=0}不等于p{x1=0}p{x2=0} ...
答:这是个离散的分布律,你直接用四个点表示就行了,又由于四个点中有两个概率为零,所以就用两个点表示就行,F(0,0)=1-p;F(1,1)=p,这就是联合分布律了
答:a+0.2=0.3,故a=0.1;0.3+0.4+0.1+b=1,故b=0.2.P(X=-1)=0.3,P(X=0)=0.4,P(X=2)=0.3;P(Y=1)=0.5,P(Y=3)=0.5 令;a+1/6+1/12+ +1/6+1/6+1/6+ +1/12+1/6+b=1,得:a+b+1=1,即:a+b=0。因为a>=0, b>=0,故知道必有:a=0,b=0...
答:解:E(Y)=0×(0.3+0.1)+1×(0.2+0.4)=0.6 E(X)=2×(0.3+0.2)+3×(0.1+0.4)=2.5 E(XY)=2*0*0.3 + 3*0*0.1 + 2*1*0.2+3*1*0.4=1.6 则cov(X,Y)=E(XY)-E(x)E(Y)=1.6-2.5*0.6=0.1 ...
网友评论:
邰林17118407184:
X和Y的联合分布律、怎么求它们的期望E(XY) -
46568隆柿
:[答案] 相互独立是关键.对于离散型,P(X=i,Y=j) = P(X=i) * P(Y=j),谨记.E(XY)的求法可以先求出XY的分布律. (1) X和Y的联合分布律: X\Y 3 4 Pi. 1 0.32 0.08 0.4 2 0.48 0.12 0.6 P.j 0.8 0.2 (2) XY的分布律: XY 3 4 6 8 P 0.32 0.08 0.48 0.12 E(XY) = 3 * 0....
邰林17118407184:
联合概率期望怎么求联合概率的期望,今天遇到这样一题,怎么的不会求,觉得答案不对 A/B RB=0.4 RB=0.2 RB=0 RA=0.2 0.15 0 0 RA=0.15 0 0.6 0 RA=0.... -
46568隆柿
:[答案] 我算出来的也是0.03 根据定理:设二维离散随机变量(X,Y)的联合分布律为P(X=xi,Y=yj)=pij,i=1,2,...;j=1,2,...,g(x,y)是实连续函数,且级数 ∑∑g(xi,yj)pij 绝对收敛,则随机变量函数g(X,Y)的数学期望为 E[g(X,Y)]=∑∑g(xi,yj)pij 这道题就可以这么解 0.4*0...
邰林17118407184:
二维随机变量 -
46568隆柿
: 有了联合分布律,要想求期望,就要分别求出X的边际分布和XY的分布. 因为X的边际分布是:X 0 1 2P 0.4 0.3 0.3 所以E(X)=0*0.4+1*0.3+2*0.3=0.9. 对于XY,要分别讨论X,Y的取值.因为X=0,1,2, Y=1,2, 所以XY的可能值为0,1,2,4. 因此其分布律为:XY 0 1 2 4P 0.4 0.2 0.2 0.2 所以E(XY)=0*0.4+1*0.2+2*0.2+4*0.2=1.4
邰林17118407184:
二维随机变量设(X,Y)的分布律为 图表有三行 Y\X 0 1 2 1 0.1 0.2 0.1 2 0.3 0.1 0.2 求E(X) E(XY) 9 1.4 我想知道过程 -
46568隆柿
:[答案] 有了联合分布律,要想求期望,就要分别求出X的边际分布和XY的分布. 因为X的边际分布是: X 0 1 2 P 0.4 0.3 0.3 所以E(X)=0*0.4+1*0.3+2*0.3=0.9. 对于XY,要分别讨论X,Y的取值.因为X=0,1,2,Y=1,2,所以XY的可能值为0,1,2,4.因此其分布律为: ...
邰林17118407184:
期望是概率二分之一的点吗 -
46568隆柿
: 不是 ! 它反映随机变量平均取值的大小.数学期望反映的是随机变量的所有取值点的加权平均值.
邰林17118407184:
二维随机变量(X,Y)的联合分布律为:P(1,1)=α,P(1,2)=0.2,P(2,1)=β,P(2,2)=0.3,则α与β应满足条件是当X,Y相互独立时,α= ,β= . -
46568隆柿
:[答案] P(1,1)+P(1,2)+P(2,1)+P(2,2)=α+0.2+β+0.3=1 所以α+β=0.5 P(1,2)+P(2,2)=P(Y=2)=0.5 P(Y=1)=1-P(Y=2)=0.5 X,Y相互独立时 P(1,2)=P(X=1)P(Y=2)=0.2 P(X=1)=P(1,2)/P(Y=2)=0.4 P(X=2)=1-P(X=1)=0.6 所以α=P(1,1)=P(X=1)P(Y=1)=0.2 β=P(2,1)=P(X=2)...
邰林17118407184:
相互独立的x和y求期望 -
46568隆柿
: x、y相互独立,可以推出Exy=ExEy, 但是Exy=ExEy不能推出x、y相互独立,只能推出x、y不相关.
邰林17118407184:
二维正态分布的期望和方差公式
46568隆柿
: 二维正态分布的期望公式:数F(X)=1/(√2π)T,方差公式:f=T*E^h.二维正态分布,又名二维高斯分布(英语:Two-dimensionalGaussiandistribution,采用德国数学家卡尔·弗里德里希·高斯的名字冠名),是一个在数学、物理及工程等领域都非常重要的概率分布.在概率论和统计学中,数学期望(mean)(或均值,亦简称期望)是试验中每次可能结果的概率乘以其结果的总和,是最基本的数学特征之一.它反映随机变量平均取值的大小.需要注意的是,期望值并不一定等同于常识中的“期望”——“期望值”也许与每一个结果都不相等.期望值是该变量输出值的平均数.期望值并不一定包含于变量的输出值集合里.
邰林17118407184:
设二维随机变量服从圆域的均匀分布,求数学期望 -
46568隆柿
: 二维随机变量服从圆域x^2+y^2<=R^2的均匀分布 所以x,y的概率分布函数f(x,y)=1/S=1/(πR^2) x^2+y^2<=R^20 其他 E(Z)=∫zf(z)dz=∫(x^2+y^2)^0.5/(πR^2)dxdy=∫dθ(0~2π)∫r^2/(πR^2)dr(0~R)=2R/3